说起物理 AI，多数人首先想到的是机器人。它们有自己的身体和感知，能在工厂、仓库和家庭里替人完成体力劳动。
然而，一个人日常遇到的许多困难，机器人帮不上忙。见到一位多年未联系的合作者，一时叫不出对方的名字；给导师回一封措辞敏感的邮件，反复修改仍不满意；父亲上个月提过要去做一项检查，自己却忘了问结果。解决这些问题所需的信息，大多就在当事人自己的经历里，而手边的 AI 助手并不知道他是谁、此刻在哪里、正在经历什么，也无法在不打断他的情况下及时给出提示。
近日，牛津大学计算机系高级研究员费豪（Hao Fei）在 arXiv 预印本平台发表了一篇 59 页的观点文章，为这类问题提出了一套系统的设想。在他看来，物理 AI 的世界里将有两类同样关键的智能个体，具身机器人是其中一类，被 AI 增强的人是另一类。
论文链接：https://arxiv.org/abs/2611.05376
项目主页：https://cognitive-symbiont.github.io
与此对应，作者在 AGI 之外提出了另一个研究方向，称为 AI 增强人类智能（AHI），承担这一任务的系统则称为认知共生体（Cognitive Symbiont）。在这组对照里，AGI 追问机器自身能有多聪明，AHI 追问的是，在机器的帮助下，某一个具体的人能够多做成多少事。
物理AI时代，会出现哪两种智能个体？
按照文章的划分，未来的物理世界里，智能个体有两种存在方式。
一种是“作为个体的 AI”，即具身机器人，具备独立的身体、感知能力、行动能力和目标。另一种是“被 AI 增强的个体”，即一个真实的人借助随身佩戴的设备，拥有了自己的共生体。在后一种形态里，人始终是主体，目标属于他，身体也属于他，AI 只是借用他的感官和双手。
图｜物理 AI 时代的两种智能个体：被 AI 增强的人与具身机器人
作者的核心论断是，这两种个体共用一个“认知内核”，它包括保存长期记忆、理解情境和他人的心思、把握介入的时机，以及从经验中学习。两者的差异只在于目标由谁设定、身体归谁所有、出了问题由谁负责。因此，为共生体研发的这些能力同样可以用在机器人身上；另一方面，共生体本身没有身体，却可以调动环境中的设备，例如在实验室里操作仪器，在家中协调各种电器。
图｜被 AI 增强的个体（左）以及具身机器人（中），二者共享同一个认知内核；前两者都能调用的环境设备（右）
这一划分还带来了评价标准的变化。作者把 AI 的终局分为两半：一半是 AGI，按 AI 完成了什么来评价；另一半是 AHI，按这个人现在能做到什么来评价。两半共用同一套基础模型、agent、记忆和硬件，同一个基础模型既可以作为自主 agent 去完成任务，也可以作为认知共生体去增强一个人。文章强调，两半是并行的关系，底座的每一次进步都会同时惠及两边。
图｜AI 终局的两半。AGI 一侧从聊天机器人走向自主 agent，AHI 一侧从被动助手走向认知共生体，两侧共用同一个底座
人与 AI 的关系，经历了哪几个阶段？
按照人与 AI agent 之间关系的变化，作者区分了四种角色。
最早出现的是被动助手，ChatGPT、Claude、Gemini 这类对话产品都属于此列，人问一句，它答一句。接着是自主 agent，例如 Claude Code 和 Codex，用户交代目标，它在电脑上自行完成。再往后是个人 agent，2026 年上线的 Muse（Meta）、Dots（OpenAI）和 Grok Bot（xAI）都是例子，它们在云端后台持续运行，熟悉用户的偏好和长期目标。第四种就是认知共生体，它跟在人的身边，了解这个人的生活和此刻的处境。
从第一种到第四种，AI 对人的了解越来越深，与人的距离越来越近，评价它的方式也随之改变：前三种角色都以 AI 的产出为评价对象，只有共生体以人的能力提升为评价对象。个人 agent 与共生体的分别，在于前者在云端替人办事，后者在人的身旁与人一起思考。作者同时指出，共生体必须先胜任前三种角色的工作，订票、写代码这类事务，它要做得和最好的 agent 一样好。
作者还提出，个人 AI 当前的瓶颈已经从模型能力转移到了人与 AI 的“耦合”上，包括 AI 对这个人知道多少、介入得有多快、介入时打扰有多大，以及这个人是否信任它。模型在单项任务上的能力持续提高，这几项指标却多年没有明显改善。用户的感受也很直接：每次对话都要重新解释背景，帮助到得太迟或太嘈杂，重要的事情不敢托付。
认知共生体是什么？
按文章的定义，认知共生体是一种以新方式存在的 AI。它借助佩戴在人身上的设备，与人看到、听到同样的东西，并把这个人多年的生活记录保存下来，对他的处境、心理、人际关系和目标形成理解，在恰当的时机加入他的思考，带着这些了解替他处理日常事务，并随着双方的变化不断学习。
作者用 6 项属性来界定一个合格的共生体：终身、嵌入、实时、私密、主动和低摩擦。下表逐项列出了它们的含义和缺失后的后果，并以电影中的贾维斯和 2026 年的个人 agent 作为对照。贾维斯六项全部具备，当前的个人 agent 在嵌入、实时和低摩擦三项上仍然缺位。作者也指出，这些属性彼此牵制，主动可能变成打扰，长期记录又与隐私存在冲突，如何平衡它们正是这一方向的主要研究问题。
文章并不满足于复制一个贾维斯。贾维斯的感知依赖主人自建的实验室和战甲，忠诚来自剧本，几部电影下来对主人的理解也没有加深；共生体则要依靠普通人买得起的眼镜、耳机、吊坠、指环和手环来感知，在相处中越来越了解主人，并且把忠诚写进系统架构。它的关注重心也从日程和任务转向人的目标、情绪与盲点。
在参与的方式上，文章提出了“认知全双工”：人在与他人交谈时，共生体在后台同步倾听、检索和准备，再通过只有本人能感知的私密通道，把一行字或一句话递过去，人不必停下手头的对话。为此，系统设有快慢两个回路，慢回路负责检索、推理和更新对这个人的理解，快回路负责在一秒内送出名字、数字这类即时提示。提示过了时效便自动撤回，而在大多数时间里，共生体保持沉默。
它能为人解决哪些现实问题？
这是全文篇幅最大的部分之一。作者把共生体提供的帮助分为三层：最下层是替人办成事情，中间一层是参与人的思考，并在情绪上给予支持，最上层是协助人与他人相处，此外还有一项横跨三层的照护功能。为此，作者整理了一份包含 27 项功能的清单，并为每一项写明了最能区分系统优劣的典型失败。下面按生活中的不同场合，介绍其中有代表性的问题。
图｜认知共生体的 27 项功能，按三层帮助与贯穿其中的照护分组
在工作中，事务可以办得更贴合本人。请当前的 agent 回一封棘手的邮件，它首先要弄清收件人是谁、用户想表达什么；共生体知道这个人和对方的往来、上一次的分歧以及他一贯的语气，写出的草稿通常不必推倒重来。修一个程序错误也是如此，它记得这个人上周改过哪些模块、习惯怎样写代码，也知道他今天只有半小时，于是先给出最小的修复，重构留到他有空时再做。作者把这种差别定义为“个性化差分”：在任务和底座模型都相同的条件下，比较有无个人语境时的结果差异，这个量可以直接测出来。在代人行动上，作者设置了五级权限，从只看、给建议、起草，到执行可撤回的操作，再到付款、发送、做出承诺这类无法撤回的操作，每升一级都需要用户的信任逐步积累。
在对话中，关键信息可以在一秒内到达。例会上，一位同事提到这个人上个季度汇报过的一个数字。慢回路在后台找出那份汇报并加以核对，快回路随即把数字显示在他的眼镜上，他用自己的话作答，话题转开后，提示自行消失。饭局上也是一样，共生体可以提醒他对面这位上次聊到了哪里、关心什么，或者在他一时找不到合适说法时递上一个更好的措辞。
在学习和研究中，它像一位了解学生的导师。1984 年，教育心理学家布鲁姆（Benjamin Bloom）发现，接受一对一辅导的学生，成绩平均比常规课堂的学生高出约两个标准差。共生体见过学生每一次卡住的地方，可以在学生最需要的时候点拨一句，并在学生表示想自己弄懂时退到一旁，文章作者要求学习场景默认只给提示，答案留给学生自己去找。语言学习者可以在真实的对话中得到帮助，转行的成年人可以借它把已有的知识和新领域联系起来。对研究者来说，它保存着一个持续多年的课题的每一个分支，路上闪过的念头轻声一说就能记下，几周前放弃了哪个假设、哪个假设仍待验证，它都有据可查。教师在课堂上则可以借助它及时发现掉队的学生，课后的进展记录按学校对学生数据的规定保存。
在做决定和面对情绪时，它帮人看清自己。很多重要的事情一开始并没有明确的目标，比如要不要换一个研究方向、接不接受一个机会。共生体可以列出几种可能的目标，找回彼此冲突的理由，再问一句哪一种代价最难承受。遇到似曾相识的抉择，它会调出这个人上次的推理过程；如果眼前的选择与他自己说过的长期目标相矛盾，它会说明反对的理由，然后把决定交还给他。在情绪层面，它的帮助以了解这个人的真实经历为前提，例如在一份申请再次落选后，它提醒这个人：上次评审意见指出缺少预实验数据，而这一次数据已经齐备。
心理健康是文章处理得最审慎的领域。与一般的心理健康应用相比，共生体有三点优势：它了解这个人的生活，不需要对方重新讲述；它在诱因出现时就在场，不必等到几天后的下一次面谈；它能从睡眠、社交退缩和语言变化中看出规律。因此，它适合陪伴用户练习认知行为疗法等有证据支持的方法，在专业治疗的间隔期给予支持并做好记录，并及早识别复发的迹象。文章明确表示，共生体不应独自承担治疗，出现危机信号时，它的首要职责是把专业人员请进来。现有证据也支持这种定位：2017 年 Woebot 的早期随机对照试验，以及 2025 年一项生成式聊天机器人的随机对照试验，都报告了症状的减轻，但关于长期、无人监督使用的证据仍然很少。
在与他人相处时，它帮人读懂场合。不同语言承载着不同的思考方式与交往惯例，共生体提供的帮助主要是带人进入当地的规矩：怎样寒暄，怎样婉拒，哪些话不宜直说。在一个…生的小镇，店主热情邀请旅人进店喝茶，而他还要赶车，共生体会告诉他当地人习惯的婉拒方式，先表达感谢，再说明缘由。对于一线服务人员、急救人员、口译员和外交官这类在高压下与人实时打交道的职业，它分别可以充当记住每位客人的助手、压力下的外部记忆和检查清单，以及跨文化沟通的全程顾问。
在家庭中，它补上人力难以持续的耐心。父母常常睡眠不足、事务缠身，还容易被孩子的情绪带动，这时共生体的服务对象是父母本人，帮助他们保持情绪平稳、记住琐事、留意孩子身上值得关注的变化；如果涉及对孩子的观察，必须由父母授权，范围也仅限于安全与发育方面。对于记忆衰退的老人，它相当于一副记忆假体，可以提醒眼前的人是谁、药有没有按时吃、刚才要找什么。这一用法已有先例：2007 年，研究者曾用可穿戴相机 SenseCam 帮助记忆受损的患者回忆往事。文章认为，它带给老人的是多几年的独立生活，以及与家人更多的联系。长期照护家人的人，同样可以把照护中的大量细节交给它记住，自己得以休息。
对于存在障碍的人，它首先是一条缺失的通道。文章认为，这一群体的相关证据在全文中最为成熟。视障者已经能通过 Be My Eyes、Seeing AI 等产品，让 AI 描述眼前的景象并帮助导航，共生体在此基础上加入了对他身边环境和熟人的了解；对听障者而言，眼镜上的一行字可以用来显示实时字幕，并标明是谁在说话；对于运动障碍者，肌电手势和无声语音输入，加上代办各类事务的能力，带来的价值高于任何其他人群；对于认知特点不同的人，它可以帮助启动和切换任务，在社交线索上给予支持，而何种帮助才算合适，由当事人自己决定。文章引用了无障碍领域的一句原则：“与我们有关的事，必须有我们参与。”
谁会最先受益？
文章认为，从没有特殊需要的普通人到要求最高的专业人士，都可以从共生体中受益，但受益多少取决于四个因素：困难本身有多大，设备能否观察到，现有技术能否解决，以及这些人是否愿意佩戴、愿意授权到什么程度。
图｜受益人群地图。横轴为共生体当下能解决多少问题，纵轴为问题的大小与代价，气泡大小代表人群规模，颜色代表证据的成熟度，位置出自作者判断
据此，文章给出了一个先后顺序。最早采用的会是知识工作者，这类人群的日常工作集中在电脑前和会议室里，效果最容易验证；对单个人帮助最大的是老年人和存在障碍的人群；总体收益最大的则是普通人的日常生活，因为覆盖的人数最多。文章同时列出了不应优先考虑的三种情况：让儿童拥有全天感知的共生体，让共生体成为急性心理危机者唯一的依靠，以及任何形式的强制佩戴。
如何防范风险？
一个能让人在他人面前表现得更好的系统，也会带来新的风险。2025 年，一款名为 Cluely 的产品公开以“作弊”作为卖点；高考期间，国内多家聊天机器人服务也曾暂停部分功能。文章从三个方向梳理了可能的伤害：作用于用户本人的，经由用户影响他人的，以及来自部署机构的，三者还会在整个社会的层面叠加。
图｜伤害的方向：指向人本身、通过人波及他人、来自部署它的机构，三者在社会层面叠加
在治理上，文章的出发点是共生体的一个特点：它是一件外置的设备，随时能够取下，也能接受检查。由此可以把两件事分开：用户和共生体说了什么，外人无权过问；用户当下有没有在接受协助，则应当在考场、法庭、谈判等场合按规定公开。每个场合可以预先规定能接受哪一档协助，共生体进入后会自动调整到相应档位，并保存可供事后核查的日志。文章也说明了这种证明的范围：它只能证明申报的那台设备没有提供帮助。
展望
文中列出的 23 个开放问题里，有四个被看作第一批可用系统最依赖的问题：如何对海量的人生记录建模，如何把从感知到提示的整体延迟压到对话可以接受的范围，如何降低全天运行的算力开销，以及穿戴硬件和认知内核怎样相互配合地演进。按照文章的路线图，最先落地的会是桌面上的实时会议副驾驶，之后再逐步加入长期记录、多设备感知和私密的交互方式。在评价方法上，文章主张以针对单个用户的对照试验和持续数月的跟踪研究为主，并同时报告用户的即时收益和停用后保留下来的能力。
作者希望认知共生体能为 AI 研究开出一条新的路线，届时评判 AI 是否进步，要看每一个使用它的人是否真的变得更能干。
更多技术细节，详见原论文。
本文来自微信公众号“学术头条”（ID：SciTouTiao），作者：学术头条，36氪经授权发布。